arXiv cs.MA· Zhen Yang, Wen Wang, Xander Xu, Ying-Cong Chen·· 11 小时前AI 评分38
LLM 能否通过自由探索发现隐藏的物理定律？LongChang 框架评测 12 个模型
Can LLMs Uncover Hidden Physical Laws through Free Exploration?
AI 导读
研究团队提出 LongChang 自动化框架，构建物理定律被改写的模拟世界，让 LLM 在没有研究任务和提示的情况下自由操作物体、设计工具并自主探索。在 12 个 LLM 中，GPT-6-Astra 的定律发现率为 16.7%，其余 11 个模型均为 0%。探索记录显示模型仍会遗漏未被调查的异常现象，且只能部分识别被改写的物理定律。
正文 · AI 翻译
摘要：科学发现往往始于一个意外的观察，它引出一个新的研究问题。在一个物理定律被改变的世界里，大型语言模型（LLM）能否注意到异常行为，例如较重的物体下落得更慢，并在未被告知要研究什么的情况下通过实验发现该定律？为了评估这一能力，我们提出了 LongChang，一个自动化框架，它构建物理定律被改变的模拟世界，其中一个或多个定律与普通物理不同。被评估的 LLM 充当探索者，操纵物体并制造工具来研究自己提出的问题，而没有研究任务或关于这些定律的提示。独立的 LLM 智能体生成并审查场景、审查工具设计，并利用被改变的物理定律和探索记录来评估报告的正确性和实验支持。这些记录引导场景演化以进行进一步探索，使整个循环无需人工干预即可运行。在 12 个 LLM 中，GPT-6-Astra 的发现率达到 16.7%，而其他 11 个均为 0%。探索记录揭示了未被调查的异常现象，以及对被改变物理定律的部分识别。
| 评论： | 此 https URL |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2610.37649 [cs.CL] |
| （或 arXiv:2610.37649v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.37649 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Zhen Yang [查看电子邮件]
[v1]
2026年10月27日星期二 17:57:00 UTC（5,338 KB）
来源：arXiv cs.MA · arxiv.org